Individualiserat tidigt diagnos- och behandlingssystem för graviditetsdiabetes (GDM) baserat på ny kontinuerlig glukosmätningsteknik (CGM)

Kina har en diabetespopulation på 233 miljoner, vilket utgör en enorm samhällsbörda. Tidig upptäckt och intervention för diabetes är brådskande nödvändiga. Under senare år har växande bevis belyst den kritiska roll som den tidiga livsmiljön spelar i patogenesen av diabetes. Redan 1986 föreslog professor Barker teorin om Utvecklingsursprung för hälsa och sjukdom (DOHaD). Vårt forskningsteam validerade tidigare denna teori för första gången i den kinesiska befolkningen genom kohortstudier, vilket visade att ogynnsamma intrauterina miljöer leder till onormal glukosmetabolism hos avkomman och att tidiga livsinterventioner effektivt kan förhindra vuxendiabetes.

Enligt International Diabetes Federations Diabetes Atlas (11:e utgåvan) är den globala förekomsten av hyperglykemi under graviditet 16,7 %, med graviditetsdiabetes (GDM) som står för upp till 80 % av fallen. Detta innebär att en av fem levande födslar utsätts för en ogynnsam intrauterin miljö tidigt i livet, vilket ökar deras risk för metaboliska störningar som övervikt, fetma och diabetes i vuxen ålder. GDM ökar avsevärt risken för ogynnsamma graviditetsutfall och hotar allvarligt metabolisk hälsa hos både mödrar och avkomma. Tidig och effektiv diagnostik och prevention av GDM är därför avgörande för att förbättra metabolisk hälsa hos mödrar och barn.

Nuvarande diagnostik av GDM förlitar sig på orala glukostoleranstester (OGTT) som utförs vid 24-28 veckors graviditet, vilka har begränsningar som statisk och enkel-tidpunkt-mätning, operativ komplexitet, försenad diagnostik och begränsad tid för effektiv intervention. Därför finns ett brådskande behov av att utveckla nya tekniker för tidig prediktion och diagnostik av GDM.

Kontinuerlig glukosövervakning (CGM) under första trimestern erbjuder fördelar inklusive detaljerade glukosdata dygnet runt, detektering av dold hyperglykemi, bedömning av glykemisk variabilitet och kompatibilitet med AI-assisterad analys, vilket visar stor potential för tidig diagnostik och hantering av GDM. Tidigare tillämpade vårt team CGM på patienter med typ 2-diabetes och beviljades ett kinesiskt uppfinnarpatent för "Användning av CGM för förbättrad hantering och övervakning av glukos vid typ 2-diabetes (CN 109637677A)". Under senare år har CGM använts i stor utsträckning inom diabeteshantering och har börjat tillämpas för att hantera HbA1c-nivåer hos gravida kvinnor med typ 1-diabetes. Dock är forskning om dess användning hos gravida kvinnor med typ 2-diabetes och GDM fortfarande i sin linda. För närvarande saknas studier som använder CGM kombinerat med artificiell intelligens för tidig diagnostik och prediktion av GDM under första trimestern.

Dessutom har flera studier utforskat riskfaktorer och biomarkörer för GDM för att möjliggöra tidig screening och prediktera maternella och fetala utfall. Men de flesta studier har begränsats till enkel-omics-tillvägagångssätt eller senare graviditetstidpunkter, vilket innebär många begränsningar. Studier genomförda vid tidigare graviditetsperioder, över flera tidpunkter och med användning av multi-omics-tillvägagångssätt kommer ytterligare att avslöja biomarkörer som predikterar maternella och fetala utfall vid GDM.

Därför planerar vår grupp att etablera en GDM-moder-barn-kohort som täcker graviditets- och perinatalperioderna. Vi syftar till att föreslå tidiga diagnostiska kriterier för GDM baserade på CGM, utveckla kliniskt tillämpbara AI-drivna verktyg för att analysera och tolka CGM-data, och formulera hjälpdiagnostiska strategier för GDM. Vi kommer att utforska CGM-parametrar och multi-omics-biomarkörer som är lämpliga för att prediktera maternella och fetala utfall. Baserat på dessa fynd förväntas vi etablera en intelligent hanteringsplattform för GDM, vilket kommer att flytta fram den kliniska fönstret för GDM-diagnostik och behandling, och förbättra både kortsiktiga och långsiktiga hälsoresultat för mödrar och deras avkomma.